Des recommandations personnalisées sans collecte de données

Des chercheurs de la Stony Brook University ont développé avec IBM l’application PrIA (Private Intelligent Assistant), qui promet d’effectuer de la recommandation d’infos personnalisées à partir de Google News, sans envoyer de données personnelles sur des serveurs extérieurs. Comment ? En téléchargeant des informations non personnalisées et en effectuant la personnalisation localement sur le terminal de l’utilisateur.

PrIA collecte en local des données issues de Twitter, Facebook et Chrome, puis crée un profil de recommandation. Lorsque l’utilisateur souhaite consulter des infos, l’appli charge un fil d'info Google News non personnalisé (sans se connecter à un compte Google), puis trie et classe elle-même les articles à partir du profil de l’utilisateur.

Schéma du système de recommandation PrIA 
Aruna Balasubramanian, Niranjan Balasubramanian, Supriyo Chakraborty, Shashank Jain, and Vivek Tiwari
Stony Brook University, IBM T. J. Watson Research Center

Pour Aruna Balasubramian, co-auteure de la publication citée par le MIT Technology Review, « Ce qui est important, c’est que ‘personne’ d’autre que votre ordinateur et votre smartphone possède ces informations (personnelles) ». Selon un protocole de test de satisfaction mis en place par les chercheurs auprès d’un panel de béta-testeurs, la précision moyenne des recommandations s’avère seulement 14% en deçà de celle constatée sur Google News lorsque l’on est connectée. Pour les chercheurs, « plutôt que de choisir entre vie privée et personnalisation, ce résultat motive à aller plus loin dans le développement de systèmes qui peuvent offrir les deux à la fois ».

Ce type d’initiative dans lesquels les données restent sous le contrôle des utilisateurs, à l’image des projets de Self Data que suit de près le LINC, est à encourager car très pertinent et privacy friendly, d’autant plus dans le cadre du Règlement européen sur la protection des données qui promeut la protection des données dès la conception et par défaut (privacy by design).  L’augmentation de la puissance de calcul des terminaux individuels rend cette promesse de la relocalisation des algorithmes de recommandation tout à fait envisageable.